t语言写一段代码，y（t）＝x（t）＋ε，其中ε服从标准正态分布。用基函数逼近x（t）得到基函数系数乘基矩阵的，代回等式中做最小二乘估计求最优基函数系数

以下是基于题目要求的代码实现：

package main

import (
    "fmt"
    "math"
)

func main() {
    // 设置时间步长，这里取 0.1
    deltaT := 0.1

    // 生成时间序列 t
    t := []float64{}
    for i := 0; i < 100; i++ {
        t = append(t, float64(i)*deltaT)
    }

    // 生成信号 x(t)
    x := []float64{}
    for _, ti := range t {
        x = append(x, math.Sin(ti))
    }

    // 生成噪声 epsilon
    epsilon := []float64{}
    for i := 0; i < len(t); i++ {
        epsilon = append(epsilon, rand.NormFloat64())
    }

    // 信号 y(t) = x(t) + epsilon
    y := []float64{}
    for i := 0; i < len(t); i++ {
        y = append(y, x[i]+epsilon[i])
    }

    // 选择基函数，这里取高斯基函数
    basisFunc := func(x float64, mean float64, sigma float64) float64 {
        return math.Exp(-(x-mean)*(x-mean)/(2*sigma*sigma))
    }

    // 生成基矩阵
    basisMatrix := [][]float64{}
    for _, ti := range t {
        row := []float64{}
        for _, tj := range t {
            row = append(row, basisFunc(ti, tj, 0.1))
        }
        basisMatrix = append(basisMatrix, row)
    }

    // 计算基函数系数
    prod := mat.Dot(mat.Transpose(basisMatrix), basisMatrix)
    inv := mat.Inverse(prod)
    prod = mat.Dot(inv, mat.Transpose(basisMatrix))
    coef := mat.Dot(prod, y)

    fmt.Println(coef)
}

这里使用了 Go 语言实现，主要步骤如下：

1. 生成时间序列 t 和信号 x(t)；
2. 生成噪声 epsilon，用于生成信号 y(t)；
3. 选择基函数（这里取高斯基函数）；
4. 生成基矩阵；
5. 计算基函数系数。

其中需要用到矩阵运算，这里使用了第三方库 `gonum.org/v1/gonum/mat`。